supermimic

用可微分世界模型教人形机器人全身跟动作

开源 🏷️定价信息待确认 ⏳ 访问状态待核验计算机视觉 🍴 复刻 92 🐛 待处理 23 👀 关注 4

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1420

维护状态活跃

是否开源开源

定价模式 🏷️定价信息待确认

项目预览

项目数据

分类计算机视觉

开发团队HybridRobotics

官网地址https://supermimic.github.io

GitHubhttps://github.com/HybridRobotics/supermimic

定价模式🏷️定价信息待确认

价格说明定价信息待确认

访问状态⏳ 访问状态待核验

是否开源是

开源协议Apache-2.0

主要语言Python

GitHub 星标★ 1420

上线时间2026-11-10 00:00:00

代码更新2026-11-11

仓库体积880 KB

本站数据更新2026-11-14

维护状态活跃

收录时间2026-11-14

浏览次数0

项目介绍

supermimic 是一个面向人形机器人全身运动跟踪的开源研究项目，核心思路是用一个可微分世界模型把视觉/状态观测与全身关节动作关联起来，让机器人能够在仿真中学习并跟踪复杂的人体动作。它要解决的问题是：传统方法依赖大量标注动作数据或手工设计奖励，难以在真实人形平台上稳定复现全身协调动作。项目通过可微分建模，让模型在训练中直接对动作跟踪误差进行梯度优化，从而提升全身姿态的连贯性和物理可行性。核心能力包括：全身动作跟踪、可微分世界模型训练、仿真环境下的策略学习与评估，以及面向人形机器人形态的配置管理。代码以 Python 为主，适合做具身智能、运动控制、机器人学习方向的研究者复现和二次开发，属于成长中的研究型项目。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-11-14 · 当前星标 ★ 1420

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：进阶约 15 分钟部署方式：本地安装 5 步

环境要求

Linux/macOS 命令行环境，且已安装 git
Python 环境由 uv 自动创建与管理，无需手动安装 Python
训练需要 NVIDIA GPU，通过 CUDA_VISIBLE_DEVICES 指定显卡编号
需能访问 GitHub，并配置好 SSH 密钥（README 使用 git@github.com 地址）
supermimic 与 mjlab_research 两个仓库需克隆为同级目录

安装与启动步骤

1安装 uv

README 要求先安装 uv，后续运行训练与回放脚本都通过 uv run 执行。
```
curl -LsSf https://astral.sh/uv/install.sh | sh
```

2创建工作区并克隆仓库

新建工作区目录，把 supermimic 与 mjlab_research 克隆为同级目录，再进入 supermimic。

mkdir supermimic_ws && cd supermimic_ws
git clone git@github.com:HybridRobotics/supermimic.git
git clone git@github.com:HybridRobotics/mjlab_research.git
cd supermimic

3选择任务 ID

README 提供两个任务 ID：SuperMimic-GenCoord-G1（广义坐标）与 SuperMimic-MaxCoord-G1（最大坐标），按研究需要选用。
4训练世界模型与策略

在 supermimic 目录下用 uv run 执行 train.py，把 <GPU_ID> 换成显卡编号，<TASK_ID> 换成任务 ID，run_name 填本次实验名。
```
CUDA_VISIBLE_DEVICES=<GPU_ID> uv run src/supermimic/scripts/train.py <TASK_ID> --runner.run_name <description>
```
5回放训练结果

训练完成后用 play.py 加载训练得到的 wandb 运行路径，回放该模型的动作跟踪效果。
```
uv run src/supermimic/scripts/play.py <TASK_ID> --wandb-path <RUN_PATH>
```

关键配置

配置项	必填	说明	示例
`CUDA_VISIBLE_DEVICES`	是	指定训练使用的 GPU 编号，多卡时按需填写	`0`
`TASK_ID`	是	选择任务表示方式，决定使用哪套坐标配置	`SuperMimic-GenCoord-G1`
`--runner.run_name`	否	本次训练运行的名称标识，便于区分不同实验	`supermimic-gencoord-run1`
`--wandb-path`	是	回放时指定已训练运行的 wandb 路径	`/your/path/to/wandb/run`